[Connaissances mathématiques] Produit interne du vecteur et de la base, vérification du code Matlab

numéro de série contenu
1 [Connaissances mathématiques] Représentation de base de coordonnées de vecteurs, vérification du code Matlab
2 [Connaissances mathématiques] Produit interne du vecteur et de la base, vérification du code Matlab

1. Produit scalaire du vecteur et de la base

Supposons qu'il existe un vecteur a ⃗ \vec{a} dans un plan bidimensionnelun , qui est dans la base de coordonnées e ⃗ 1 , e ⃗ 2 \vec{e}_1, \vec{e}_2e 1,e 2La valeur des coordonnées ci-dessous est [ xy ] \left[\begin{matrix}x \\ y \end{matrix}\right][Xoui]

Regardons d'abord le vecteur a ⃗ \vec{a}un Soi et base de coordonnées e ⃗ 1 \vec{e}_1e 1Le produit intérieur de. Pour le principe du produit interne, veuillez vous référer à l'article [Connaissances mathématiques] Multiplication vectorielle, produit interne, produit externe, implémentation du code matlab . Ici, nous utilisons directement sa conclusion, c'est-à-dire que le produit scalaire d'un vecteur est la longueur projetée d'un vecteur dans la direction d'un autre vecteur, multipliée par la longueur du vecteur projeté, comme le montre la figure ci-dessous.

Insérer la description de l'image ici

Décrit par la formule comme

une ⃗ ⋅ e ⃗ 1 = ∥ une ⃗ ∥ ∥ e ⃗ 1 ∥ cos ⁡ ( θ ) \vec{a} \cdot \vec{e}_1 = \|\vec{a}\| \|\vec{e}_1\| \cos(\thêta)un e 1=un ∥∥e 1cos ( θ )

Dans notre cas, le vecteur projeté est le vecteur de base e ⃗ 1 \vec{e}_1e 1, et le vecteur de base e ⃗ 1 \vec{e}_1e 1Sa longueur de module ∥ e ⃗ 1 ∥ \|\vec{e}_1\|e 1 est encore1 11 , donc

a ⃗ ⋅ e ⃗ 1 = ∥ a ⃗ ∥ ∥ e ⃗ 1 ∥ cos ⁡ ( θ ) = ∥ a ⃗ ∥ cos ⁡ ( θ ) \begin{align} \vec{a} \cdot \vec{e}_1 & = \|\vec{a}\| \|\vec{e}_1\| \cos(\theta) \\ &= \|\vec{a}\| \cos(\theta)\end{aligné}un e 1=un ∥∥e 1cos ( θ )=un cos ( θ ).

Numériquement ∥ a ⃗ ∥ cos ⁡ ( θ ) \|\vec{a}\| \cos(\theta)un cos ( θ ) est égal au vecteura ⃗ \vec{a}un Dans la base de coordonnées e ⃗ 1 \vec{e}_1e 1coordonner les valeurs sur. Si la base de coordonnées e ⃗ 1 \vec{e}_1e 1Nous le considérons comme l'abscisse, alors a ⃗ ⋅ e ⃗ 1 \vec{a} \cdot \vec{e}_1un e 1Numériquement, il est égal à la valeur de l'abscisse, c'est-à-dire

ax = a ⃗ ⋅ e ⃗ 1 \begin{aligned} a_x &= \vec{a} \cdot \vec{e}_1 \end{aligned}unx=un e 1

De la même manière, on peut aussi obtenir a ⃗ ⋅ e ⃗ 2 \vec{a} \cdot \vec{e}_2un e 2Numériquement égal à la valeur de l'ordonnée.

ay = a ⃗ ⋅ e ⃗ 2 \begin{aligned} a_y &= \vec{a} \cdot \vec{e}_2 \end{aligned}unoui=un e 2

Enfin, la conclusion de la description formulée est

hache = une ⃗ ⋅ e ⃗ 1 = [ axay ] ⋅ [ e 11 e 12 ] = hache 11 + oui 12 ay = une ⃗ ⋅ e ⃗ 2 = [ axay ] ⋅ [ e 21 e 22 ] = hache 21 + oui 22 , ∥ e ⃗ 1 ∥ = ∥ e ⃗ 2 ∥ = 1 \begin{aligned} a_x &= \vec{a} \cdot \vec{e}_1 =\left[\begin{matrix} a_x \\ a_y \\ \end{matrix}\right] \cdot \left[\begin{matrix} e_{11} \\ e_{12} \\ \end{matrix}\right] =a_x e_{11} + a_y e_{12} \\ a_y &= \vec{a} \cdot \vec{e}_2 =\left[\begin{matrix} a_x \\ a_y \\ \end{matrix}\right] \cdot \left[\begin{matrix } e_{21} \\ e_{22} \\ \end{matrix}\right] =a_x e_{21} + a_y e_{22} \end{aligned},\quad \|\vec{e}_1\ | = \|\vec{e}_2\| = 1unxunoui=un e 1=[unxunoui][e11e12]=unxe11+unouie12=un e 2=[unxunoui][e21e22]=unxe21+unouie22,e 1=e 2=1


2. Exemple de vecteur plan bidimensionnel

Ce qui suit est un exemple basé sur un vecteur sur un plan bidimensionnel.

Supposons qu'il existe un vecteur plan bidimensionnel a ⃗ \vec{a} comme mentionné ci-dessusun , dans la base de coordonnées standard e ⃗ 1 = [ 1 0 ] , e ⃗ 2 = [ 0 1 ] \vec{e}_1=\left[\begin{matrix} 1 \\ 0 \\ \end{matrix}\ right ], \vec{e}_2=\left[\begin{matrix} 0 \\ 1 \\ \end{matrix}\right]e 1=[10],e 2=[01] La valeur des coordonnées ci-dessous est[ axay ] = [ 3 4 ] \left[\begin{matrix}a_x \\ a_y \end{matrix}\right] = \left[\begin{matrix}3 \\ 4 \end{ matrice}\right][unxunoui]=[34]

Maintenant, nous changeons la base de coordonnées en e ⃗ 1 ′ = [ 1 2 1 2 ] , e ⃗ 2 ′ = [ − 1 2 1 2 ] \vec{e}_{1^\prime}=\left[\begin { matrice} \frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{matrix}\right], \vec{e}_{2^\ prime }=\left[\begin{matrix} -\frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{matrix}\right]e 1=[2 12 1],e 2=[2 12 1] , la valeur des coordonnées sous cette nouvelle base est[ ax ′ ay ′ ] = [ 7 2 1 2 ] \left[\begin{matrix}a_{x^\prime} \\ a_{y^\prime} \end{ matrice}\right] = \left[\begin{matrix} \frac{7}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \end{matrix}\right][unXunoui]=[2 72 1]

Vérifiez d'abord la conclusion

hache = a ⃗ ⋅ e ⃗ 1 = [ axay ] ⋅ [ e 11 e 12 ] = hache 11 + oui 12 = [ 3 4 ] ⋅ [ 1 0 ] = 3 × 1 + 4 × 0 = 3 \begin{aligned} a_x &= \vec{a} \cdot \vec{e}_1 =\left[\begin{matrix} a_x \\ a_y \\ \end{matrix}\right] \cdot \left[\begin{matrix} e_ {11} \\ e_{12} \\ \end{matrix}\right] =a_x e_{11} + a_y e_{12} \\ &= \left[\begin{matrix} 3 \\ 4 \\ \ end{matrix}\right] \cdot \left[\begin{matrix} 1 \\ 0 \\ \end{matrix}\right] = 3 \times 1 + 4 \times 0 = 3 \end{aligned}unx=un e 1=[unxunoui][e11e12]=unxe11+unouie12=[34][10]=3×1+4×0=3

hache ′ = a ⃗ ⋅ e ⃗ 1 ′ = [ axay ] ⋅ [ e 1 1 ′ e 1 2 ′ ] = hache 1 1 ′ + oui 1 2 ′ = [ 3 4 ] ⋅ [ 1 2 1 2 ] = 3 × 1 2 + 4 × 1 2 = 7 2 \begin{aligned} a_{x^\prime} &= \vec{a} \cdot \vec{e}_{1^\prime} =\left[\begin{ matrice} a_{x} \\ a_{y} \\ \end{matrix}\right] \cdot \left[\begin{matrix} e_{11^\prime} \\ e_{12^\prime} \\ \end{matrix}\right] =a_{x} e_{11^\prime} + a_{y} e_{12^\prime} \\ &= \left[\begin{matrix} 3 \\ 4 \\ \end{matrix}\right] \cdot \left[\begin{matrix} \frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \\ \end{matrix }\right] = 3 \times \frac{1}{\sqrt{2}} + 4 \times \frac{1}{\sqrt{2}} = \frac{7}{\sqrt{2}} \ fin{aligné}unX=un e 1=[unxunoui][e1 1e1 2]=unxe1 1+unouie1 2=[34][2 12 1]=3×2 1+4×2 1=2 7

En observant la figure ci-dessous, on peut aussi voir grossièrement le vecteur a ⃗ \vec{a}un Dans la nouvelle base e ⃗ 1 ′ \vec{e}_{1^\prime}e 1La longueur de projection est de 7 / 2 7/\sqrt{2}7/2

Veuillez ajouter une description de l'image

Ceci est également cohérent avec l'effet dans le tableau de coordonnées.

Continuez ci-dessous pour vérifier la conclusion

ay = a ⃗ ⋅ e ⃗ 2 = [ axay ] ⋅ [ e 21 e 22 ] = ax 21 + aye 22 = [ 3 4 ] ⋅ [ 0 1 ] = 3 × 0 + 4 × 1 = 4 \begin{aligned} a_y &= \vec{a} \cdot \vec{e}_2 =\left[\begin{matrix} a_x \\ a_y \\ \end{matrix}\right] \cdot \left[\begin{matrix} e_ {21} \\ e_{22} \\ \end{matrix}\right] =a_x e_{21} + a_y e_{22} \\ &= \left[\begin{matrix} 3 \\ 4 \\ \ end{matrix}\right] \cdot \left[\begin{matrix} 0 \\ 1 \\ \end{matrix}\right] = 3 \times 0 + 4 \times 1 = 4 \end{aligned}unoui=un e 2=[unxunoui][e21e22]=unxe21+unouie22=[34][01]=3×0+4×1=4

ay ′ = a ⃗ ⋅ e ⃗ 2 ′ = [ axay ] ⋅ [ e 1 1 ′ e 1 2 ′ ] = ax 1 1 ′ + oui 1 2 ′ = [ 3 4 ] ⋅ [ − 1 2 1 2 ] = 3 × ( − 1 2 ) + 4 × 1 2 = 1 2 \begin{aligned} a_{y^\prime} &= \vec{a} \cdot \vec{e}_{2^\prime} =\left [\begin{matrix} a_{x} \\ a_{y} \\ \end{matrix}\right] \cdot \left[\begin{matrix} e_{11^\prime} \\ e_{12^\ prime} \\ \end{matrix}\right] =a_{x} e_{11^\prime} + a_{y} e_{12^\prime} \\ &= \left[\begin{matrix} 3 \ \ 4 \\ \end{matrix}\right] \cdot \left[\begin{matrix} -\frac{1}{\sqrt{2}} \\ \frac{1}{\sqrt{2}} \ \ \end{matrix}\right] = 3 \times (-\frac{1}{\sqrt{2}}) + 4 \times \frac{1}{\sqrt{2}} = \frac{1} {\ sqrt {2}} \ fin {aligné}unoui=un e 2=[unxunoui][e1 1e1 2]=unxe1 1+unouie1 2=[34][2 12 1]=3×( -2 1)+4×2 1=2 1

La deuxième conclusion signifie aussi que le vecteur a ⃗ \vec{a}un Dans la nouvelle base e ⃗ 2 ′ \vec{e}_{2^\prime}e 2La longueur de projection est de 1 / 2 1/\sqrt{2}1/2


3. Vérification des codes

a_x = 3;
a_y = 4;
a = [a_x
     a_y];

e_1 = [ 1
        0];
e_2 = [ 0
        1];

e_1_prime = [ sqrt(2)/2
              sqrt(2)/2];
e_2_prime = [-sqrt(2)/2
              sqrt(2)/2];
>> dot(a, e_1)
ans =
     3

>> dot(a, e_2)
ans =
     4

>> dot(a, e_1_prime)
ans =
    4.9497

>> dot(a, e_2_prime)
ans =
    0.7071

Réf


Je suppose que tu aimes

Origine blog.csdn.net/weixin_36815313/article/details/132310270
conseillé
Classement